CN119415903A 一种矿山地表沉降形变预测方法、装置、设备及介质 （贵州大学）

学本申请公开了一种矿山地表沉降形变预测2根据所述历史时间段的监测数据计算历史时间段的相对位移数据；将历史时间段的降噪数据输入至最佳预测模型中，得到未来将相对位移数据分别输入基于粒子群优化的BP神经网络预测模型、将相对位移数据的标签数据分别与第一预测数据、第二预测数据根据所述最佳预测模型确定最佳训练集和最佳预测集；将值最小的误差计算结果对应的预测模型作为最将目标降噪数据分别输入基于粒子群优化的BP神经网络预测模型、将目标降噪数据的标签数据分别与所述目标降噪数据对应的第四预根据所有所述目标降噪数据对应的第四误差计算结果、第五误差计算3相对位移数据计算模块，用于：根据所述历史时间段的监测数据计理器执行时实现权利要求1_6中任一项所述的矿山地表沉降形变4根据所述历史时间段的监测数据计算历史时间段的相5间段的地表沉降形变预测数据；最佳预测模型为基于粒子群优化的BP神经网络预测模型，图3为本申请一实施例提供的针对不同矿区采矿状况北斗监测数据自迭代沉降预图4为本申请一实施例提供的针对不同矿区采矿状况北斗监测数据自迭代沉降预图5为本申请一实施例提供的一种矿山地表沉降形变预测装置的功能模块示意[0013]本申请实施例提供的矿山地表沉降形变预测方法，可以应用于如图1所示的应用6104根据历史时间段的监测数据计算历史时间段的相对位移数据，利用L2正则化方法对历以由终端102直接针对采矿区历史时间段的监测数据进行地表沉降形变预测，也可以由服务器104从数据存储系统中获取采矿区历史时间段的监测数据，并针对采矿区历史时间段[0020]本申请另一个示例性的实施例中，历史时间段的监测数据由北斗导航卫星系统而更精确地描绘地表形变的持续发展过程，并为未来形变趋势的预测提供详尽的数据支环境因素对监测结果的影响，能够适应全天候监测需求，确保外部环境变化对监测精准度仅提高了矿山地表形变监测的效率和准确性，同时也为及时采取预防措施提供了坚实的数7Short_TermMemory，LSTM）算法和差分整合移动平均自回归模型（Autoregressive[0023]获取采矿区的北斗导航卫星系统监测数据，获取的监测数据包括十个站点的数取北斗导航卫星系统监测数据中N个站点三个方向的十年数据，以任一站点的任站点的任一方向的两年相对位移数据为一个时间序列作为一个样本输入，得到第二训练8中相对位移数据的时间为四年或五年，最佳预测集中地表沉降形变预测数据的时间为一一站点的任一方向的下一年的地表沉降形变预测数据。即步骤201中的历史时间段可为四期记忆算法和差分整合移动平均自回归模型，得到所述目标降噪数据对应的第四预测数步骤403：将目标降噪数据的标签数据分别与所述目标降噪数据对应的第四预测9神经网络预测算法的组合，奇异谱分析和差分整合移动平均自回归模型的组合效果较好，和基于粒子群优化的BP神经网络预测算法的组合作为最[0039]本申请还提供一种应用场景，该应用场景应用上述的矿山地表沉降形变预测方提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储地表沉降形变设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种矿山地表沉降形变预测方法。该计算机程序被处理器执行时实现上述各方通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器（Read_取存储器（StaticRandomAccessMemory，SRAM）或动态随机存取存储器（Dynamic[0052]本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数